Un método de compresión basado en la cuantización escalar binaria no uniforme, diseñado para la fuente laplaciana sin memoria con media cero y varianza unitaria, se analiza en este documento. Se presentan dos enfoques de diseño de cuantificadores que investigan el efecto del recorte con el objetivo de reducir el ruido de cuantización, donde se utiliza la distorsión mínima del error cuadrático medio para determinar el factor de recorte óptimo. Se proporciona una comparación detallada de ambos modelos, y también se realiza la evaluación del rendimiento en un amplio rango dinámico de varianzas de datos de entrada. Los modelos de cuantización escalar binaria observados se aplican en tareas estándar de procesamiento de señales, como la cuantización de voz e imagen, pero también a la cuantización de parámetros de redes neuronales. La motivación detrás de la cuantización binaria de los pesos de la red neuronal es la compresión del modelo por un factor de 32, lo cual es crucial para la implementación en dispositivos móviles o embebidos con memoria y potencia de procesamiento limitadas. Los resultados experimentales siguen bien los modelos teóricos, confirmando su aplicabilidad en aplicaciones del mundo real.